岛津TNP-4110在线分析仪的日常维护

从数据比对、硬件维护两个方面探讨岛津TNP-4110在线仪的日常维护问题。通过分析各种干扰因素来查找造成数据比对差异的原因并提出相应解决措施。在仪器日常维护上设立不同周期保养计划、共享设备维护经验,结合实践制定了合适的检修流程图。     

基于精细化管理的环境物联网发展趋势

环境物联网运用智能传感器等设备感知生态环境的变化,监测环境质量、监控企业的排污行为,通过环境数据的采集、传输、处理、整合,辅助环境管理决策。近年来环境物联网得到长足发展,但现有的环境物联网体系无法满足多种任务和应用场景的需求,主要问题体现在数据质量和精准度缺乏保证,数据传输能力有限,数据共享还未打通,数据分析应用能力还有待提升。笔者系统分析了环境物联网感知层、传输层和应用层的现状与问题,较全面地研究了物联网与大数据技术的最新进展,提出了环境物联网的发展方向以解决上述问题,为实现精细化管理与科学决策提供科学参考。     

基于大数据监管平台的通信基站监督性监测技术模式

提出一种基于大数据监管平台的通信基站监督监测技术模式,利用大数据监管平台实现监督监测对象的自动筛选、开展线上全流程监测、自动分析比对监测结果,并将该技术模式用于2019年和2020年广东省10.5万个通信基站的监督监测。结果表明,通信基站备案基础信息的相符率为75.3%～98.6%;社会化监测机构关键点位电磁环境监测结果相符率为60.0%～92.3%。该结果可用于评估广东省通信基站建设单位备案的基础信息相符性结果和社会化监测机构监测质量。     

基于PSO-SVM算法的环境监测数据异常检测和缺失补全

针对环境监测数据异常和数据缺失问题,提出了基于支持向量机的粒子群优化数据异常检测和缺失补全算法。利用粒子群优化算法选取较优的支持向量机训练参数组合,以此建立非线性的支持向量机模型,并利用结果模型对测得的真实数据拟合预测。以宁夏回族自治区某污水处理厂的污染物测量数据作为实验数据,结果表明,利用该算法预测数据的准确率可达97.977%,检测异常数据准确度高,缺失数据补全正确。     

基于深度学习的大数据空气污染预报

为了更好地反映环境污染变化趋势,为环境管理决策提供及时、全面的环境质量信息,预防严重污染事件发生,开展城市空气质量预报研究是十分必要的.本文针对环境大数据时代下的城市空气质量预报,提出了一种基于深度学习的新方法.该方法通过模拟人类大脑的神经连接结构,将数据在原空间的特征表示转换到具有语义特征的新特征空间,自动地学习得到层次化的特征表示,从而提高预报性能.得益于这种方式,新方法与传统方法相比,不仅可以利用空气质量监测、气象监测及预报等环境大数据,充分考虑污染物的时空变化、空间分布,得到语义性的污染物变化规律,还可以基于其他空气污染预测方法的结果(如数值预报模式),自动分析其适用范围、优势劣势.因此,新方法通过模拟人脑思考过程实现更充分的大数据集成,一定程度上克服了现有方法的缺陷,应用上更加具有灵活性和可操作性.最后,通过实验证明新方法可以提高空气污染预报性能.     

大数据解析技术在大气环境监测中的应用研究

针对近年来新兴的大数据及挖掘、分析技术,对大数据解析技术在环境科学研究中的应用进行了分析和探析。以城市局部地区大气细颗粒污染物PM2.5浓度计算为例,筛选了PM2.5浓度历史数据、气象条件、交通状况、人群活动情况、网格道路状况等数据为影响特征量,分析了用神经网络法进行大数据解析和推演的原理和数学过程,是用数学、计算机、统计等方法研究解决多元、非线性复杂环境问题的一种新的探索。     

环境因素数据质量审核方法研究

目的 解决大气环境试验站的气象数据报表存在数据缺失、数据超过边界、数据内部不一致、数据时间不一致等问题,采用数据质量审核技术找出缺失、可疑或错误的数据,对科研人员进行警示,使其能够追根溯源,分析存在问题的原因。方法 参照相关规程和标准,建立环境因素数据质量审核算法和审核流程,并使用计算机语言编程固化流程和算法,利用多线程算法对数据进行扫描,实现大批量气象数据的并行审核。结果 利用Python语言设计了环境因素质量控制软件,通过该软件的应用证明了该方法合理、有效,能够快速、准确地标注气象数据报表中存在质量问题的数据。利用软件统计了存在问题数据的数量和正确率。结论 通过加载数据测试,证明了环境因素数据质量审核方法和审核流程合理有效,利用设计的审核软件实现了气象数据报表快速审核,提高了审核效率,减少了科研人员的劳动强度,为进一步填补、修正和利用数据奠定了基础。     

环境监测数据异常值的判定及处置

准确、可靠的环境监测数据是环境管理的重要现实依据，因此正确鉴别和处理异常数据是环境监测工作中的关键环节。简述了环境监测异常数据的类型和产生的原因，对异常监测数据的处理措施进行了分析。提出，应建立健全环境监测质量管理体系、重视现场采样的信息化管理、正确填写监测原始记录和加强监测数据的审核。     

Artificial neural network model for identifying taxi gross emitter from remote sensing data of vehicle emission

Vehicle emission has been the major source of air pollution in urban areas in the past two decades. This article proposes an artificial neural network model for identifying the taxi gross emitters based on the remote sensing data. After carrying out the field test in Guangzhou and analyzing various factors from the emission data, the artificial neural network modeling was proved to be an advisable method of identifying the gross emitters. On the basis of the principal component analysis and the selection of algorithm and architecture, the Back-Propagation neural network model with 8-17-1 architecture was established as the optimal approach for this purpose. It gave a percentage of hits of 93%. Our previous research result and the result from aggression analysis were compared, and they provided respectively the percentage of hits of 81.63% and 75%. This comparison demonstrates the potentiality and validity of the proposed method in the identification of taxi gross emitters.     

关于创新监测体制确保环境监测数据公正性的思考

新时期的到来,人们越来越重视自己赖以生存的生活环境,因此,环境监测部门逐渐被人们所建立并完善。本文我们就将针对环境监测体制的创新作出探讨,其目的在于确保环境监测体制的公正性。